El diagnóstico diferencial no invasivo de los tumores cerebrales se basa actualmente en la evaluación de imagen de resonancia magnética antes y después de administrar contraste. Sin embargo, un diagnóstico definitivo muchas veces requiere de intervenciones neuroquirúrgicas que comprometen la calidad de vida de los pacientes.

Unos investigadores han desarrollado un sistema llamado DISCERN, basado en el aprendizaje de patrones mediante modelos de inteligencia artificial a partir de la información que proporciona la resonancia magnética estándar.

El trabajo lo ha realizado un equipo de especialistas del VHIO (Vall d’Hebron Instituto de Oncología) en Barcelona, el Instituto de Investigación Biomédica de Bellvitge (IDIBELL), en Hospitalet de Llobregat y el Hospital Universitario de Bellvitge (HUB) en Hospitalet de Llobregat.

 “Este trabajo es el fruto de una línea de investigación de más de cinco años en la que hemos identificado innovadores biomarcadores de imagen de perfusión por resonancia magnética útiles en el diagnóstico diferencial de los tumores cerebrales. En este proyecto culmen, se integra el conocimiento de varios trabajos previos con métodos de inteligencia artificial, lo que  deriva en un software que automatiza la clasificación diagnóstica prequirúrgica con muy buena precisión, a la vez que facilita su aplicabilidad clínica  con una interfaz amigable para el personal clínico” afirma el Dr. Albert Pons-Escoda, investigador del IDIBELL, neurorradiólogo clínico de  la Unidad de Neurorradiología del Hospital Universitario de Bellvitge y coautor del estudio.

Los expertos en neuroimagen del IDIBELL y el HUB, con experiencia clínica e investigadora en el desarrollo de métodos para la clasificación de tumores cerebrales, han colaborado estrechamente con el Grupo de Radiómica del VHIO en el desarrollo de esta herramienta basada en el aprendizaje profundo, un método de inteligencia artificial. Esta herramienta aprovecha toda la información espacial y temporal de la resonancia magnética estándar para identificar patrones de comportamiento específicos en la imagen de cada tumor.

“El aprendizaje profundo consiste en enseñar a la máquina cuáles son las características de cada uno de los tumores que encontramos en las resonancias magnéticas de pacientes ya diagnosticados” explica Alonso García-Ruiz, investigador predoctoral del Grupo de Radiómica del VHIO y primer autor de este estudio. “Por ejemplo si le enseñamos al ordenador miles de imágenes de perros y gatos, aprenderá las características que definen y distinguen a perros de gatos y al ver una imagen nueva podrá diferenciar si se trata de uno u otro”.

En este caso las unidades de aprendizaje son los vóxeles, la unidad mínima de volumen que podemos estudiar en las imágenes de resonancia magnética. Se trata del equivalente al píxel, pero en 3D.

 “DISCERN ha aprendido las características de estos tres tipos diferentes de tumor cerebral a partir de 50.000 vóxeles de 40 pacientes diagnosticados” explica la Dra. Raquel Pérez-López, jefa del Grupo de Radiómica del VHIO e investigadora sénior del estudio. “Validamos la herramienta en más de 500 casos adicionales y comprobamos que el 78% de los diagnósticos que daba la herramienta eran correctos, una proporción superior a la obtenida con los métodos convencionales utilizados hasta hoy”.

 “Se trata de una herramienta de apoyo al diagnóstico que ofrece una información de gran utilidad para guiar las decisiones médicas de los grupos multidisciplinares en cuanto a la necesidad y el tipo de cirugía requerido para confirmar el diagnóstico” afirma el Dr. Carles Majós, investigador del IDIBELL, neurorradiólogo clínico de la Unidad de Neurorradiología del HUB, y coautor del estudio.

DISCERN (Diagnosis In Susceptibility Contrast Enhancing Regions for Neuroncology) ha sido desarrollado como un software con acceso abierto, de forma que la herramienta pueda utilizarse en cualquier centro.

En este estudio también han colaborado especialistas del Hospital Clínic de Barcelona, el Departamento de Radiología de HT Medica en Andalucía, de España, y la Universidad de California en San Diego, Estados Unidos.

El estudio se titula “An accessible deep learning tool for voxel-wise classification of brain malignancies from perfusion MRI”. Y se ha publicado en la revista académica Cell Reports Medicine. (Fuente: IDIBELL)